LANDASAN TEORI
sejumlah literatur. Teori yang dijelaskan mencakup pengertian dan ruang lingkup
Menurut Assauri (1999, p 95) Maintenance dapat diartikan sebagai suatu kegiatan
atau usaha untuk merawat atau menjaga suatu fasilitas atau peralatan dan
peralatan tersebut dapat dipakai secara produktif dan mempunyai umur yang relatif
lama, atau dengan kata lain teknik perawatan adalah suatu sistem kegiatan untuk
daya guna dari segala sarana yang ada didalam suatu perusahaan atau pabrik sehingga
Peranan bagian maintenance ini tidak hanya menjaga agar kegiatan dapat berjalan
baik, akan tetapi untuk menjaga agar kegiatan dapat berjalan secara efisien dengan
Jadi dengan adanya kegiatan maintenance ini maka fasilitas atau peralatan dapat
Adapun tujuan utama dari fungsi maintenance, menurut Assauri (1999, p 95)
adalah :
produksi.
2. Menjaga kualitas pada tingkat yang tepat untuk memenuhi apa yang dibutuhkan
oleh produk itu sesuai dan kegiatan produksi yang tidak terganggu.
dan menjaga modal yang diinvestasikan dalam perusahaan selama waktu yang
pekerja.
6. Mengadakan suatu kerja sama yang erat dengan fungsi-fungsi utama lainnya dari
suatu perusahaan, dalam rangka untuk mencapai tujuan utama perusahaan yaitu
tingkat keuntungan atau return of investment yang sebaik mungkin dan total biaya
yang terendah.
Kegiatan maintenance yang dilakukan dalam suatu perusahaan atau pabrik dapat
tidak terduga dan menemukan kondisi atau keadaan yang dapat menyebabkan
Jadi, pemeliharaan preventif meliputi pola rutin inspeksi dan pelayanan. Kegiatan
operasi yang besar. Pemeliharaan fasilitas yang rusak sama sekali (breakdown
maintenance) adalah bersifat gawat, dimana fasilitas atau peralatan dipakai hingga
gagal beroperasi yang kemudian harus diperbaiki, dan akan memakan biaya ekstra.
Dengan demikian semua fasilitas atau peralatan yang mendapatkan preventive
maintenance akan terjamin kelancaran kerjanya dan selalu diusahakan dalam kondisi
atau keadaan yang siap dipergunakan untuk setiap operasi pada setiap saat.
Preventive maintenance ini sangat penting karena kegunaanya yang sangat efektif
didalam menghadapi fasilitas atau peralatan tersebut yang termasuk dalam golongan
“critical unit”. sebuah fasilitas atau peralatan akan termasuk dalam golongan “critical
unit”, apabila :
2. kerusakan fasilitas ini akan mempengaruhi kualitas dari produk yang dihasilkan.
proses kegiatan.
dilakukan secara rutin, misalnya kegiatan pembersihan fasilitas atau peralatan pabrik.
periodic atau dalam jangka waktu tertentu. Misalnya setiap 1 minggu sekali, lalu
perawatan yang dilakukan setelah terjadinya suatu kerusakan atau kelainan pada
fasilitas atau peralatan sehingga tidak dapat berfungsi dengan baik. Kegiatan
atau reparasi. Perbaikan yang dilakukan karena adanya kerusakan yang dapat terjadi
maintenance tetapi sampai pada suatu waktu tertentu fasilitas atau peralatan tersebut
tetap rusak.
respon terhadap breakdown unit yang tidak terencana, umumnya sebagai hasil dari
kegagalan baik yang bersifat internal ataupun yang bersifat eksternal. Yang termasuk
terencana tanpa menunggu mesin rusak terlebih dahulu, sehingga dapat meminimasi
instrument tertentu seperti alat pengukur getaran, temperatur, pengukur suara dan
dihadapi oleh suatu perusahaan yaitu persoalan teknis dan persoalan ekonomis.
Adapun yang merupakan persoalan teknis dalam hal ini adalah persoalan yang
produksi yang tidak baik. Tujuan yang akan dicapai dalam mengatasi persoalan teknis
ini adalah untuk dapat menjaga atau menjamin agar kegiatan dapat berjalan lancar.
Semua tugas-tugas dari pada maintenance dapat digolongkan kedalam salah satu
1. Inspeksi (Inspection)
Kegiatan teknik ini meliputi kegiatan-kegiatan percobaan atas peralatan yang baru
pengembangan tersebut.
maintenance.
Tujuan utama dari sistem perawatan adalah menjaga proses produksi agar berjalan
dalam kondisi operasi yang optimum. Optimum di sini berarti dapat memenuhi
permintaan yang diterima, usaha ini juga berarti menjaga keandalan setiap fasilitas
secara keseluruhan.
Secara umum keandalan diartikan sebagai peluang suatu fasilitas memiliki kinerja
sesuai dengan yang ditetapkan dalam kurun waktu dan kondisi operasi tertentu.
keandalan, yaitu :
1. Probabilitas.
Setiap item dari suatu sistem memiliki umur dan waktu hidup yang berbeda-beda
sehingga terdapat sekelompok item yang memiliki rata-rata hidup tertentu. Jadi
untuk mendefinisikan distribusi frekuensi dari suatu item dapat dicari dengan
performansi sistem, dimana suatu sistem yang andal harus dapat menunjukkan
3. Waktu
Keandalan suatu sistem pada umumnya dinyatakan dalam suatu periode waktu,
sebagainya.
Dalam hal ini dijelaskan bagaimana perlakuan yang diterima oleh sistem dalam
menjalankan fungsinya, misal dua sistem dengan tingkat mutu sama dapat
dapat beroperasi sesuai dengan fungsinya pada waktu tertentu ketika digunakan pada
Sedangkan menurut Kapur (1997, p 226) avaibility merupakan suatu konsep yang
berhubungan erat dengan probabilitas suatu peralatan untuk melakukan operasi secara
probabilitas bahwa suatu komponen atau sistem yang rusak akan diperbaiki dalam
Downtime merupakan waktu menganggur atau waktu dimana suatu unit tidak
dapat lagi menjalankan fungsinya sesuai dengan yang diharapkan. Hal ini dapat
terjadi apabila suatu unit mengalami masalah seperti kerusakan mesin yang dapat
mengganggu performansi dari mesin secara keseluruhan termasuk mutu produk yang
delay dapat terdiri atas lead time administrasi, lead time produksi dan waktu
sumber daya maintenance dapat berupa personal, alat Bantu dan alat tes.
mengalami kerusakan.
kerusakan.
5. Repair or replacement unit, merupakan waktu aktual yang dibutuhkan untuk
Mean Time To Failure (MTTF) adalah nilai rata-rata atau nilai yang diharapkan
(expected value) dari suatu distribusi kerusakan ang didefinisikan oleh f(t) sebagai
∞
MTTF = E (T ) = ∫ t ⋅ f (t )dt
0
dF (t ) dR(t )
f (t ) = = Sehingga,
dt dt
dR (t )
∞
MTTF = ∫ − tdt
0
dt
∞
MTTF = −tR(t ) ∞0 + ∫ R(t )dt (Ebeling, 1997, p 35)
0
∞
MTTF = ∫ R(t )dt
0
Perhitungan MTTF untuk masing-masing distribusi adalah sebagai berikut :
1
• Distribusi Exponential : MTTF =
λ
⎧ ⎛ 1 ⎞⎫
• Distribusi Weibull : MTTF = θ ⎨Γ⎜⎜1 + ⎟⎟⎬ = θ {Γ( x )}
⎩ ⎝ β ⎠⎭
⎛ ⎞
2
s
• Distribusi Lognormal : MTTF = t med .⎜ exp 2 ⎟
⎜ ⎟
⎝ ⎠
waktu kerusakan dari sistem (peralatan) dari jumlah kerusakan pada suatu waktu, dan
Bila x dapat bernilai nyata (x ≥ 0) pada interval waktu , harus memenuhi persyaratan
sebagai berikut :
f x (t ) ≥ 0 untuk t ≥ 0
Sehingga,
∫ f (t )dt = 1
0
x
2.12 Fungsi Distribusi Kumulatif
mengalami kegagalan dalam beroperasi sebelum waktu t, yang merupakan fungsi dari
F (t ) = P( x < t )
Atau
t
F (t ) = ∫ f (t )dt untuk t ≥ 0
0
Didefinisikan sebagai probabilitas dari sistem atau komponen yang akan berfungsi
pada suatu periode waktu t. Untuk menyatakan hubungan maematis, dapat dinyatakan
continuous random variable x sebagai fungsi waktu terhadap kerusakan sistem atau
Dilihat dari waktu kerusakan atau kegagalan, variabel x yang memiliki fungsi
t ∞
R (t ) = 1 − ∫ f (t )dt untuk t ≥ 0 R (t ) = ∫ f (t )dt
0 0
Luas keseluruhan kurva sama dengan 1 sehingga dapat dinyatakan bahwa nilai
probabilitas fungsi kehandalan dan fungsi distribusi kumulatif berada diantara 0 dan
Dalam teori reliability, variabel yang dipakai adalah variabel acak, kontinu.
Seperti jarak, waktu, putaran dan temperatur. Bila variabel acak adalah diskrit, maka
fungsi kegagalan tidak dapat ditentukan. Distribusi yang sering digunakan dalam
Menurut Steven Nahmias (2001, p 721), exponential distribution ini memilki laju
kerusakan yang konstan terhadap waktu. Menurut Ebeling (1997, p 41), jika terdapat
peralatan yang memilki laju kerusakan tetap, maka dapat dipastikan termasuk dalam
f (t ) = 1 − exp(− λt )
f (t ) = 1 − e (− λt )
3. Fungsi keandalan
R (t ) = e (− λt )
f (t )
λ (t ) = =λ
R(t )
⎛1⎞
MTTF = ⎜ ⎟
⎝λ⎠
∞ 2
⎛ 1⎞ 1
σ = ∫ ⎜ t − ⎟ .λe −λt .dt = 2
2
0⎝
λ⎠ λ
1
σ2 =
λ
2.14.2 Weibull Distribution
Weibull distribution ini merupakan distribusi yang muncul hampir pada semua
β −1 ⎛t ⎞
β⎛t⎞ ⎜ ⎟β
f (t ) = ⎜ ⎟ .e ⎝θ ⎠
untuk t ≥ 0
θ ⎝θ ⎠
⎛t⎞
−⎜ ⎟ β
f (t ) = 1 − e ⎝θ ⎠
3. Fungsi keandalan
⎛ t ⎞
⎜ − ⎟β
R(t ) = e ⎝ θ⎠
β −1
β⎛t⎞
λ (t ) = ⎜ ⎟
θ ⎝θ ⎠
⎛ 1⎞
MTTF = (θ ).Γ⎜⎜1 + ⎟⎟
⎝ β⎠
Γ( x ) = (x − 1).Γ( x − 1)
dimana :
⎧⎪ ⎛ 2⎞ ⎡ ⎛ 1 ⎞⎤ ⎫⎪
2
⎪⎩ ⎝ β ⎠ ⎣ ⎝ β ⎠⎦ ⎪⎭
karakteristik fungsi kerusakan karena perubahan nilai ini akan mengakibatkan weibull
Perubahan nilai (β) yang terjadi di jelaskan pada tabel dibawah ini. Menurut Ebeling
(1997, p 64)
Nilai Sifat
0<β<1 Fungsi kerusakan menurun / descreasing failure rate (DFR)
β=1 Fungsi kerusakan konstan / constant failure rate (CFR)
Exponential Distribution
1<β<2 fungsi kerusakan meningkat / Increasing failure rate (IFR)
β=2 fungsi kerusakan linier / Linier failure rate (LFR)
β>2 fungsi kerusakan meningkat / Increasing failure rate (IFR)
3≤β≤4 fungsi kerusakan meningkat / Increasing failure rate (IFR)
normal distribution
2.14.3 Normal Distribution
Normal distribution sering kali disebut juga dengan Gaussion distribution, dimana
distribusi ini memiliki ciri-ciri simetris disekitar rataan dengan sebaran dari distribusi
yang ditentukan oleh σ. Normal distribution ini sangat cocok untuk menggambarkan
⎛ − (t − μ )2 ⎞
⎜ ⎟
1
F (t ) =
⎜ 2.σ 2 ⎟
e ⎝ ⎠
untuk − ∞ < t < ∞
σ 2π
⎛t −μ ⎞
F (t ) = Φ⎜ ⎟
⎝ σ ⎠
3. Fungsi keandalan
⎛t −μ ⎞
R(t ) = 1 − Φ⎜ ⎟
⎝ σ ⎠
f (t ) f (t ) f (t )
λ (t ) = = =
R(t ) 1 − F (t ) ⎛t −μ ⎞
1 − Φ⎜ ⎟
⎝ σ ⎠
2.14.4 Log Normal Distribution
dan t med sebagai parameter lokasi, yang merupakan nilai tengah dari waktu
kerusakan.
⎛ 1 ⎛ ⎞
2 ⎞
⎜− ⎜
t
⎟ ⎟
1 ⎜⎜ 2 s 2 .⎜ ln t ⎟ ⎟⎟
F (t ) = ⎝ ⎝ ⎠ ⎠
.e untuk t ≥ 0
med
2πst
⎛1 ⎞
F (t ) = Φ⎜⎜ . ln
t
⎟⎟
⎝s t med ⎠
3. Fungsi keandalan
⎛1 ⎞
R (t ) = 1 − Φ⎜⎜ . ln
t
⎟⎟
⎝s t med ⎠
⎛1 t ⎞
Φ⎜⎜ . ln ⎟⎟
λ (t ) = ⎝ ⎠
s t med
s.t.(R(t ))
5. Variasi (σ2)
Distribusi ini didefinisikan untuk nilai t positif, oleh karena itu lebih sesuai untuk
dapat dipandang sebagai tiga tahapan proses yang terdiri dari identifikasi distribusi,
pendugaan parameter, dan menampilkan uji kebaikan distribusi data (goodness of fit
test).
Distribusi kerusakan yang terjadi pada mesin, akan dilakukan dengan pendekatan
parameter dari distibusi yang terpilih pada proses identifikasi awal. Parameter dari
distribusi hanya dapat diduga diestimasi) dan tidak dapat secara tepat diketahui
karena tidak ada suatu metodepun yang dapat mengetahui dengan tepat parameter
dengan identifikasi awal distribusi yaitu dengan menggunakan metode Least Square
Fit, tetapi metode tersebut umumnya kurang disukai. Metode pendugaan parameter
mencari nilai maksimum dari likelihood function berikut yang mengandung sejumlah
n
L(θ1 ,..., θ k ) = ∏ f t1 θ1 ,..., θ k
i =1
Tujuan MLE adalah menemukan nilai parameter θ1 ,..., θ k yang dapat memberikan
likelihood function yang sebesar mungkin untuk setiap nilai t1,t2,..,tn. Karena bentuk
∂ ln L(θ1 ,..., θ k )
=0 i = 1,2,...,k
∂θ1
• Eksponensial MLE
Adapun nilai MLE untuk parameter dari distribusi eksponensial adalah sebagai
berikut :
r
λ=
T
r
T = ∑ t i yaitu jumlah waktu kerusakan
i =1
• Weibull MLE
sebagai berikut :
∑ t
r β
ln t i 1 1
g (β ) = i =1 i
− − ln t i = 0
∑ β r
r β
t
i =1 i
adalah persamaan di atas tidak dapat dipecahkan secara matematis. Maka cara
g (β j ) dg ( x )
β j +1 = β j − dimana g ' ( x ) =
g (β j +1 ) dx
Yang harus dipecahkan secara iterasi sampai mencapai nilai β j yang maksimum
Maka terlebih dahulu adalah mencari turunan pertama dari g(β) yaitu
2
⎛ r β 2 ⎞⎛ r β ⎞ ⎛ r β ⎞
⎜ ∑ t i ln t i ⎟⎜ ∑ t i ⎟ − ⎜ ∑ t i ln t i ⎟
g ' (β ) = ⎝ i =1 ⎠⎝ i =1 ⎠ ⎝ i =1 ⎠ + 1
⎛ r β⎞
2
β2
⎜ ∑ ti ⎟
⎝ i =1 ⎠
maka disarankan nilai β j awal yang digunakan adalah nilai β yang didapat melalui
• Normal MLE
Adapun nilai MLE untuk parameter dari distribusi normal adalah sebagai berikut :
)
μ=x
)
σ2 =
(n − 1)s 2
n
• Lognormal MLE
Adapun nilai MLE untuk parameter dari distribusi lognormal adalah sebagai berikut :
) n
ln t i
μ =∑
i =1 n
)
t med = eμ
) 2
∑ (ln t − μ)
n
)
s= i =1 i
sebelumnya, dimana asumsi tersebut bisa ditentukan melalui bentuk umum atau
bentuk dari plot data dalam suatu grafik. Validitas dari asumsi distribusi dapat
diketahui melalui suatu pengujian atau test. Hasil pengujian tersebut mempunyai dua
Uji ini membandingkan hipotesa nol (H0) dengan suatu hipotesa alternatif (H1),
Uji ini menghitung secara statistik berdasarkan data sample (misalnya data sample
waktu kerusakan). Hasil perhitungan ini dibandingkan dengan nilai kritis yang
diperoleh dari tabel. Umumnya, jika hasil perhitungan statistik lebih kecil daripada
nilai kritis hipotesa nol diterima, apabila hasilnya sebaliknya hipotesa alternatif yang
Barlet Test termasuk pengembangan test yang spesifik untuk distribusi exponential.
Uji Statistik :
⎡ r r
⎤
2r ⎢ln(1 / r )∑ t i − (1 / r )∑ ln t i ⎥
B= ⎣ u i =1 ⎦
1+
( r + 1)
6r
Data waktu antar kerusakan mengikuti distribusi exponential jika X2(1-α/2,r-1) < B <
X2(α/2,r-1)
Mann’s Test termasuk pengembangan test yang spesifik untuk distribusi Weibull
yang dilakukan oleh Mann, Schafer, dan Singpurwalla (1974). Hipotesisnya berupa
(Ebeling,1997,p400-401) :
Uji Statistik :
r −1
⎛ ln t i +1 − ln t i
⎞
k1 ∑ ⎜⎜
i = ki +1 ⎝
⎟⎟
M =
Ma
= ⎠ Mi
Mb ki
⎛ ln t − ln t i ⎞
k 2 ∑ ⎜⎜ i +1 ⎟⎟
i =1 ⎝ Mi ⎠
M i = Z i +1 − Z i
⎡ ⎛ i − 0.5 ⎞⎤
Z i = ln ⎢− ln⎜1 − ⎟⎥
⎣ ⎝ n + 0.25 ⎠⎦
dimana :
r = banyaknya data.
K1 = r/2.
K2 = (r-1)/2
Data waktu antar kerusakan mengikuti distribusi Weibull jika : M perhitungan <
2.17.3 Lilliefors Test untuk Pengujian Distribusi Normal dan log normal
Lilliefors Test dikembangkan oleh H.W. Lilliefors pada tahun 1967. Uji ini
dan khusus digunakan untuk distribusi Normal (bisa juga untuk distribusi
Uji Statistik :
Dn = max {D1,D2}
Dimana :
⎧ ⎛ t − 1 ⎞ i − 1⎫ ⎧⎪ i ⎛ t − t ⎞⎫⎪
D1 = max ⎨Φ⎜ i ⎟− ⎬ ; D2 = max ⎨ − Φ⎜⎜ i ⎟⎬
⎟⎪
1≤i ≤ n ⎩ ⎝ s ⎠ n ⎭ 1≤i ≤ n ⎪⎩ n ⎝ s ⎠⎭
∑ (t )
n
n i −t
t
t=∑ i ; s =
2 i =1
i =1 n n −1
s = standar deviasi
n = banyaknya data.
Bila Dn < Dhitung, maka H0 diterima, bila tidak maka H1 yang diterima. Nilai dari
Dhitung diperoleh dari tabel critical values for Kolmogorov-Smirnov test for
Untuk dapat menentukan nilai tengah dari fungsi probabilitas untuk waktu
Penentuan untuk pengujian ini dapat dilakukan dengan cara yang sama dengan yang
menggunakan rumus :
∞ ∞
MTTR = ∫ t ⋅ h(t )dt = ∫ (1 − H (t ))dt
0 0
dimana :
tidak terduga akan mengalami kegagalan atau kerusakan. Ketika kerusakan tersebut
terjadi maka komponen harus diganti atau diperbaiki, pada saat ini mesin mengalami
kerugian dari segi biaya akibat kejadian tersebut. Untuk mencegah terjadinya
kegagalan atau kerusakan pada peralatan atau komponen tersebut, maka harus
1
• Distribusi Exponential : MTTR =
λ
⎧ ⎛ 1 ⎞⎫
• Distribusi Weibull : MTTR = θ ⎨Γ⎜⎜1 + ⎟⎟⎬ = θ {Γ( x )}
⎩ ⎝ β ⎠⎭
⎛ ⎞
2
s
• Distribusi Lognormal : MTTR = t med .⎜ exp 2 ⎟
⎜ ⎟
⎝ ⎠
total downtime
diketahui interval waktu antara tindakan penggantian (tp) yang optimal dari suatu
• Black Replacement
Jika pada selang waktu tapi tidak terdapat kerusakan, maka tindakan penggantian
dilakukan pada suatu interval tapi yang tetap. Jika sistem rusak sebelum jangka
sebelumnya.
• Age Replacement
sudah mencapai umur yang telah ditetapkan yaitu sebesar tp. Jika pada selang
korektif. Perhitungan umur tindakan penggantian tp dimulai dari awal lagi dengan
mengambil acuan dari waktu mulai bekerjanya sistem kembali setelah dilakukan
D (tp) =
(total ekspektasi downtime per siklus )
(ekspektasi panjang waktu siklus )
Rumus dari total ekspektasi downtime per siklus adalah :
Keterangan rumus :
∞
R (tp ) = ∫ f (t )dt
tp
Ekspektasi panjang waktu siklus = (tp + Tp) * R(tp) + (ekspektasi panjang siklus
kegagalan) * (1-R(tp))
Keterangan rumus :
maintenance diperoleh :
MTTF = ∫ t ⋅ f (t )dt
Nilai tengah distribusi kerusakan adalah :
M (tp ) =
∫ t ⋅ f (t )dt
1 − R (tp )
⎡⎛ t ⋅ f (t )dt ⎞⎤
= (tp + Tp ) * R(tp ) + ⎢⎜
∫ + Tf ⎟⎥ ⋅ (1 − R(tp ))
⎢ 1 − R(tp )
⎜ ⎟⎥
⎣⎝ ⎠⎦
Tp ⋅ R (tp ) + Tf ⋅ (1 − R(tp ))
D(tp ) =
(tp + Tp ) ⋅ R(tp ) + ∫ t. f (t )dt +Tf (1 − R(tp ))
adalah untuk mencegah kegagalan yang tidak terdeteksi terutama pada saat mesin
tidak beroperasi yang disebabkan oleh korosi atau kerusakan mekanik.Yang harus
diingat adalah bahwa inspeksi dapat meningkatkan Availability tetapi tidak dapat
meningkatkan reliabilitas.
Tindak pemeriksaan juga bertujuan untuk meminimasi downtime mesin akibat
kerusakan yang terjadi secara tiba-tiba. (Jardine, p108). Konstruksi model interval
1
1. = waktu rata-rata perbaikan
μ
1
2. = waktu rata-rata pemeriksaan
i
Menurut Jardine (p109) total downtime per unit waktu merupakan fungsi dari
λ (n ) n
D(n ) = +
μ i
Keterangan :
λ (n ) =
k
n
Dan karena
λ (n ) n
D(n ) = +
μ i
Dimana : k = nilai konstan dari jumlah kerusakan per satuan waktu sehingga
diperoleh :
k ×i
n=
μ
Perawatan pencegahan dapat mengurangi pengaruh wear out dan menunjukkan hasil
Rm (t ) = R(t ) untuk 0 ≤ t ≤ T
Dimana :
n = 0,1,2,...
preventif terakhir.
( )
Rm (t ) = e −λt
n
⋅ e − λt
( t − nT )
= e − λnt ⋅ e − λt ⋅ e λnt = e − λt = R (t )
Ini adalah bukti yang mereflesikan bahwa distribusi eksponensial, yang memiliki